西沙永兴岛黑碳浓度特征初探

2012年5月6—9日利用黑碳仪获得了西沙永兴岛小时黑碳浓度数据。结果显示,西沙永兴岛黑碳小时浓度值变化范围为0.1~2.9 μg/m³,平均浓度为0.6 μg/m³,80.5%的小时浓度数据集中在0.2~0.7 μg/m³;黑碳浓度与风速、降水密切相关,风速大于2.5 m/s有利于黑碳扩散,降水对黑碳冲刷作用明显;黑碳浓度与背景区域的瓦里关黑碳浓度相近,高于背景区域的南极中山站,明显低于国内的多个城市及郊区的黑碳浓度。     

西安市黑碳气溶胶浓度特征及与气象因素和常规污染物相关性

利用西安市环境监测站超级站2013年9月1日—2015年5月31日黑碳气溶胶(BC)的监测数据,研究空气中BC浓度特征及其与气象因素和常规污染物相关性。结果表明:BC小时平均浓度均值在春季、夏季和冬季的变化趋势呈"W"型,秋季呈"V"型,且冬季的第一个最低值和峰值比春季和夏季的分别延迟1 h和2~3 h,且20:00~次日6:00秋季BC小时平均浓度均值高于当年冬季。BC浓度在秋季和冬季较高,夏季较低。冬季BC/PM_(2.5)基本最低,秋季BC/PM_(2.5)相对最高。BC日平均浓度与气温、降水和风速的日平均值为极负显著相关,且风速小于1.0 m/s时,其与风速呈最显著的负相关。除O_3外,BC日平均浓度与其他常规空气污染物浓度呈显著相关,表明其同源性很强,且受机动车尾气排放的影响更大。     

宝鸡高新区黑碳气溶胶浓度特征及其影响因素研究

为研究宝鸡高新区黑碳(BC)气溶胶浓度的变化特征及其影响因素,利用2017年3月1日至2018年2月28日的BC气溶胶浓度、PM_(2.5)质量浓度以及风速风向数据,对该地区BC气溶胶质量浓度特征变化及其影响因子进行分析。结果表明,宝鸡高新区BC和PM_(2.5)质量浓度范围分别为0.35~6.18μg/m~3和8.01~192.20μg/m~3,平均值分别为(1.67±1.22)μg/m~3和(46.96±33.18)μg/m~3。BC气溶胶的背景质量浓度为(0.81±0.76)μg/m~3。BC与PM_(2.5)的相关系数为0.673,呈正相关。观测期间10—12月BC质量浓度较其他月份相对较高,其季节变化由大到小依次为冬季秋季春季夏季,这可能与采暖季用煤及气象条件不同有关。BC气溶胶的日变化有峰谷值,峰值出现在07:00—09:00和20:00—22:00,谷值出现在14:00—16:00。BC和PM_(2.5)质量浓度均随污染等级加重而增加。宝鸡高新区BC污染在西北风向下较为严重,且此时风速较小,BC质量浓度与风速的相关系数分别为-0.438,呈负相关,静风和非静风条件下BC平均质量浓度分别为2.50μg/m~3和1.53μg/m~3,表明静风条件下,污染物容易累积,导致BC质量浓度升高。     

广州城区冬季黑碳气溶胶污染特征及其来源初探

于2007年12月至2008年2月利用黑碳(Aethalometer)和气体在线现测仪(Thermo 42i型二氧化硫、43i型氮氧化物争49i型臭氧分析仪)和MAWS自动气象站获得了大气细粒子中每5分钟黑碳气溶胶(BC)浓度,每1小时SO2、NO2、NO和O3浓度和风速、风向等气象因子观测数据.结果发现,黑碳日均值浓度值为10.5±7.7 μg/m3,浓度变化范围为2.7～34.8 μg/m3.非降雨期BC有相对明显的两个峰值和一个谷值;降雨期BC昼间呈单调上升,夜间呈单调降低.通过对BC与气体污染物相关性分析并结合城市污染源分布,发现BC的最主要来源是工业燃煤和机动车尾气排放.     

连云港黑碳气溶胶污染特征研究

采用2016年大气多参数站监测数据,分析连云港市大气中ρ(黑碳气溶胶)的小时及月度变化规律,结果表明,观测期间,黑碳气溶胶与NO_2、CO、PM_(10)、PM_(2.5)显著相关,与风速、能见度等呈负相关;黑碳气溶胶年均值为2.10μg/m~3,日变化呈明显双峰型,峰值出现在08:00和21:00左右;从季节看,ρ(黑碳气溶胶)冬春季高、夏秋季低;在不利气象条件时,ρ(黑碳气溶胶)有所增高,通过模型分析化石燃料燃烧产生的黑碳占比增大,说明在不利气象条件时,化石燃料燃烧产生的黑碳是影响ρ(黑碳气溶胶)及ρ(颗粒物)上升的主要因素。     

南亚次大陆对中国大气传输影响及海螺沟背景站监测的指示效应

海螺沟背景站地处人烟稀少、远离工业带区域,颗粒物浓度水平与美国背景区域相当,通常情况下各项污染物浓度呈周期性缓慢变化,但通过实时自动监测发现,也有部分时段出现污染物浓度急剧升高的现象,对这种情况进行统计分析,2015年共有43 d因远距离传输导致背景站浓度急剧升高现象,其间PM_(2.5)平均质量浓度为19.4μg/m~3,比其年均质量浓度(8.3μg/m~3)高1倍多。通过对2015年背景站监测数据与年气象分析资料的联合分析,结合HSPLIT 4.8轨迹模式对污染物来源进行溯源,在海螺沟国家大气背景区域的200、3 700 m 2个高度都存在南亚次大陆向中国境内输送的气流路径。后向轨迹200 m高度聚类分析结果:海螺沟背景站PM_(2.5)监测值超"正常"浓度范围时段有84%的大气污染气团主要来自南亚次大陆方向,同时,常规6项其他监测项目的浓度水平也存在协同上升效应。     

佛山市近地面臭氧污染特征及相关气象因子分析

利用2014年佛山市8个国控大气自动监测点位的O_3监测数据,分析了佛山市的O_3污染特征,结果表明,2014年O_3日最大8 h平均值的第90百分位数为167μg/m~3,O_3为首要污染物的超标天数为43d,占比46.7%;ρ(O_3)区域变化不大;ρ(O_3)月变化呈现"三峰型",全年高ρ(O_3)集中在6—10月份,其中7月份出现全年最高峰值;ρ(O_3)日变化呈单峰型分布,夜间浓度较低且变化平缓,14:00—16:00左右达到峰值,并存在一定的"周末效应",但并不明显;ρ(O_3)与气温呈显著正相关,与湿度、气压、雨量呈显著负相关,与风向、风速的相关性相对较弱;总体上看,高温、低湿、微风、偏南风、低压、无雨的天气条件下高ρ(O_3)更容易出现。     

深圳大运会期间一次光化学污染事件成因分析

对深圳大运会期间8月20日发生的一次光化学污染过程进行分析。此次过程中,处于工业区的石岩大气成分站测得O3浓度小时平均最大值为213.4μɡ/m3,超过国家环境空气质量二级标准限值(200μɡ/m3),出现时间在当日13:00～14:00时。与处于城区的竹子林站和郊区的西涌站污染物浓度进行对比分析得知,此次光化学污染的主要特点是局地性较强,持续时间较短,影响范围小。同步的风速、风向、温度、相对湿度及紫外辐射等气象要素分析表明,此次光化学污染事件与气象条件关系非常紧密,当日天气晴朗、日照强烈、温度高、相对湿度适中,有利于光化学反应的发生,且不利的风向条件使得来自上风向城区的污染物易于累积。     

杭州市环境空气中黑碳质量浓度变化特征

采用2013年环境空气自动监测数据,分析杭州市空气中黑碳质量浓度的变化规律,并对变化特征的产生原因进行探讨。结果表明:黑碳测定年均值为4.10μg/m3,日变化有明显双峰结构,峰值出现在早7时和晚8时左右;从季节看,黑碳质量浓度冬季高(5.20μg/m3)、夏季低(3.00μg/m3);黑碳质量浓度与NO2、CO、PM10、PM2.5显著相关,与O3、风速、气温呈负相关,降水对黑碳的清除作用明显。     

苏州市O3污染气象要素影响分析

根据2015—2017年苏州市南门站O_3污染物和相关气象要素数据,分析了太阳辐射、相对湿度、风速风向、气温等气象要素对苏州市O_3污染的影响。结果表明:在太阳总辐射量在300 W/m~2以下时,O_3浓度随太阳总辐射量上升较快,在此后则上升速度趋缓。O_3污染天湿度主要分布在30%～60%,而O_3优良天的湿度主要在50%以上。风速较小时O_3浓度较低,风速较大时O_3浓度相对较高。O_3中度污染时,受东北偏东方向的O_3及其前体物传输影响较大。在日最高气温高于15℃时,可能出现O_3轻度污染;最高气温高于25℃时可能出现O_3中度污染。     

株洲夏季大气中气态总汞浓度特征

为研究株洲市夏季优良天气下大气中气态总汞(TGM)的浓度特征,于2013年8月利用大气汞分析仪(2537X,加拿大)进行了20 d的连续在线观测。结果显示,实验期间株洲市大气TGM的平均浓度为(4.20±3.37)ng/m3,中值浓度为3.40 ng/m3,高于背景地区和沿海城市,略低于国内其他重点城市。晴天、阴雨天TGM浓度分别为3.59、7.96 ng/m3。晴天TGM浓度具有一定日变化规律,最高值出现在早上7:00~9:00,之后逐渐降低,17:00出现最低值;TGM白天和夜间浓度分别为3.57、3.62 ng/m3,昼夜变化不大。晴天TGM与一次污染物SO2、CO、NO2具有显著的正相关性,与O3呈显著负相关性。株洲市夏季主导风向为东南风,该方向没有明显污染源,西北方向风向频率较低,但TGM浓度明显升高,其主要来源可能是位于西北方向的清水塘工业区。     

Air quality and deposition of trace elements in Didouche Mourad, Algeria

Total suspended particulate matter and deposition fluxes of particles were investigated in the town of Didouche Mourad which is located 13 km north of Constantine. Samples of air particulate matter were collected at one site located in the heart of the town and situated 3 km north of a cement plant. Samples were collected from 2 November 2002 to 28 April 2003 every 3 days using a high volume air sampler. Sampling intervals were 24 h in all cases. During the same period, samples of dust fallout were collected at the same site. Samples were collected at 30-day intervals. Lead, chromium, manganese, nickel, copper, cobalt and cadmium deposition fluxes were measured and both the soluble and insoluble fractions were determined. Furthermore, the information gathered by this study was correlated with the corresponding hourly weather data provided by a weather station installed at the study station. The possible sources for dust and trace metals were analyzed by comparing average contributions of wind aspects to the concentrations and depositions of mass and chemical species with the average frequencies of wind direction. The mean concentration was 300 μg/m³. The average dust deposition rate through the period of study was 221 mg/(m².day). Results indicate that anthropogenic sources contribute greatly to trace elements. An exposure assessment to the heavy metals taking into account the inhalation route and soil dust ingestion was carried out and allowed direct comparison of trace metal intakes via these routes.     

北京市大气气态汞变化特征

采用Tekran 2537X大气汞分析仪在线测量北京市城区大气中气态元素汞(GEM,简称大气汞) 浓度,研究大气汞浓度随不同气象条件的变化特征。通过分析2016年10月—2017年9月大气汞监测数据发现,该监测点全年大气汞浓度为0.48～16.25 ng/m³,均值为(3.41±1.79)ng/m³。春季、夏季、秋季和冬季大气汞浓度均值依次为2.93 、2.95、4.27、3.37 ng/m³,其中,秋季大气汞浓度明显高于其他季节 。秋季大气汞浓度显著偏高可能由不利的大气扩散条件导致。大气汞夜间浓度显著高于白天浓度。同时,将大气汞与SO₂、CO及PM_2.5进行相关性分析,发现大气汞浓度变化趋势与SO₂、CO和PM_2.5呈显著正相关。结合风向和风速进行污染来源分析,得到该点位大气汞在西南和东北方向上受人为排放源影响较大。污染源类型分析表明,冬季大气汞与CO同源性强,主要来自本地供暖用煤。     

库尔勒市大气颗粒物污染特征与影响因素分析

针对库尔勒市PM 10、PM 2.5年均浓度超标现象,基于市区3个环境监测站2013—2017年的逐时观测数据,分析PM 10、PM 2.5污染特征、成因及其主要影响因素。结果表明:①2013—2017年库尔勒市PM 10年均浓度变化较大且无明显趋势,PM 2.5年均浓度整体呈下降趋势;②季节尺度上,库尔勒市PM 10在每年2—5月呈现高浓度,PM 2.5高浓度期则为10月至翌年5月;③城郊的开发区站PM 10浓度最高,老城区的州政府站PM 2.5浓度最高,在PM 10和PM 2.5的高浓度期空间差异尤其显著;④PM 10与风速显著正相关,来自塔克拉玛干沙漠的风蚀沙尘颗粒物是库尔勒地区颗粒污染物的主要来源;⑤库尔勒市PM 10主要为外源输入,PM 2.5则以城市内源为主,相对湿度、风速、风向、温度等气象条件是影响大气颗粒物浓度及分布的重要因素。     

青藏高原典型高寒森林地带CH4浓度特征分析

基于波长扫描光腔衰荡光谱线监测系统在海螺沟国家大气背景站(以下简称海螺沟站)开展甲烷(CH_4)连续自动监测,通过局部近似回归法进行背景值筛分分析。结果表明:2016、2017年海螺沟站CH_4年均体积分数和筛分的背景体积分数接近,两者浓度水平与北半球中纬度地区全球本底站CH_4浓度水平相当;海螺沟站CH_4能够代表背景区域浓度水平。海螺沟站CH_4体积分数呈春、夏季低,秋、冬季高特征,季节变化主要受到特定的地理环境和大气环流的影响,大气环流占主导影响。夏季CH_4体积分数最低但日振幅最大,与高原高海拔背景下森林地带的辐射对流引起局地扩散作用有关。采用逐步逼近回归筛分CH_4监测数据,海螺沟站CH_4背景季浓度变化和北半球中高纬度地区其他背景站大气CH_4的季节变化特征以及CH_4季体积分数振幅基本一致。背景站四季的CH_4载荷贡献在16个风向分布结果表明,在春、夏季存在西风带下南亚方向污染物气团的远距离输送;青藏高原东部近地面在冬季处于反气旋冷高压控制下,而SSW方向风向能够短暂打破这种稳定的气象条件,污染物得到迅速扩散,SSW为负贡献。     

京津冀与长三角地区氢氯氟碳化物本底特征

基于北京上甸子与浙江临安区域大气本底站2011—2019年氢氯氟碳化物(HCFCs)采样观测数据,开展了京津冀与长三角地区6种HCFCs(HCFC-22、HCFC-141b、HCFC-142b、HCFC-124、HCFC-132b和HCFC-133a)本底特征研究。研究结果表明:临安站HCFCs浓度水平和浓度变率比上甸子站明显更高,尤其是HCFC-133a,其浓度及浓度变率均比上甸子站高1个量级,表明长三角地区HCFCs排放量可能较京津冀地区更大。2个站点HCFCs本底浓度基本一致,差异范围为-6.1%~7.1%。上甸子站本底数据占比为26.4%~69.0%,而临安站本底数据占比不足23%。在《关于消耗臭氧层物质的蒙特利尔议定书》的约束下,2个站点多数HCFCs年均浓度呈下降趋势或变化较小。2个站点HCFC-132b浓度相对较低,但2019年相比2018年有明显升高。结合风向进行分析,发现上甸子站HCFC-22、HCFC-141b、HCFC-142b和HCFC-132b高浓度水平主要由西南扇区(北京城区方向)的WSW、SSW及SW方向贡献,而HCFC-124和HCFC-133a在各风向上的浓度和载荷差异较小。临安站HCFC-124高浓度水平主要由SSE和NNE方向贡献,分别对应金华和湖州方向;其他5种HCFCs的高浓度水平主要由东北扇区的ENE方向贡献,对应杭州城区方向。     

衡阳市区和衡山背景站臭氧浓度变化规律的对比分析

选取衡阳市区和衡山背景站臭氧自动监测数据,分析两地的臭氧污染特征。对空气质量的优良率情况、臭氧作为首要污染物的变化情况、臭氧浓度的日变化特征、典型时段的浓度变化特征、臭氧浓度的月际变化特征和臭氧与PM_(2.5)的关联情况等进行了分析。结果表明,多云及阴雨天气时,衡阳市区的臭氧浓度日变化幅度大于衡山背景站。夏季,衡阳市区和衡山背景站的臭氧浓度的日变化特征规律差异较大,臭氧浓度分布比较分散,前者为典型的单峰形,后者则波动平缓。冬季,日变化幅度不大,但衡阳市区的臭氧浓度明显低于衡山背景站。衡山背景站和衡阳市区的臭氧基本同步变化,但日均值高于衡阳市区。     

Re-construction of the shut-down PM10 monitoring stations for the reliable assessment of PM10 in Berlin using fuzzy modelling and data transformation

A dense monitoring network is vital for the reliable assessment of PM10 in different parts of an urban area. In this study, a new idea is employed for the re-construction of the 20 shut-down PM10 monitoring stations of Berlin. It endeavours to find the non-linear relationship between the hourly PM10 concentration of both the still operating and the shut-down PM10 monitoring stations by using a fuzzy modelling technique, called modified active learning method (MALM). In addition, the simulations were performed by using not only raw PM10 databases but also log-transformed PM10 databases for skewness reduction. According to the results of hourly PM10 simulation (root mean square error about 13.0 μg/m³, correlation coefficient 0.88), the shut-down stations have been appropriately simulated and the idea of dense monitoring network development by the re-construction of the shut-down stations was realised. The results of simulations using raw and log-transformed databases showed that data transformation has no significant effect on the performance of MALM in the simulation of shut-down PM10 stations. By the combination of the 11 still operating stations and the 20 re-constructed stations, a dense monitoring network was generated for Berlin and was utilised for the calculation of the reliable monthly and mean annual PM10 concentration for five different PM10 zones in Berlin (the suburban-background, urban-background, urban-traffic, rural-background and suburban-traffic areas). The results showed that the mean annual concentration of PM10 at the five zones increased by about 13.0% in 2014 (26.3 μg/m³) in comparison with 2013 (23.3 μg/m³). Furthermore, the mean annual concentration of PM10 in the traffic lanes of the suburban (2013 25.0 μg/m³, 2014 26.9 μg/m³) and urban (2013 27.7 μg/m³, 2014 31.3 μg/m³) areas is about 14 and 20% higher than the PM10 concentration of suburban-background (2013 21.3 μg/m³, 2014 24.5 μg/m³) and urban-background (2013 23.0 μg/m³, 2014 26.1 μg/m³) areas, respectively.